基于大數(shù)據(jù)直覺模糊集的信息安全融合方法*

黃永生

(合肥職業(yè)技術(shù)學(xué)院 現(xiàn)代教育技術(shù)中心,安徽 合肥 238000)

一、引言

信息安全融合是在信息融合過程中,現(xiàn)有信息改動做到最小,保證信息融合的安全[1]。隨著信息在多領(lǐng)域的應(yīng)用,模糊信息融合技術(shù)的發(fā)展,在信息描述不精確時提出一種模糊集,比模糊集多一種隸屬度屬性的集合稱為直覺模糊集[2]。直覺模糊集用來描述信息的安全要素,由于直覺模糊集的信息規(guī)模大,在融合過程,常出現(xiàn)融合后的信息與原信息不接近,融合的不準(zhǔn)確。因此研究直覺模糊集的信息安全融合方法具有重要意義。

許多相關(guān)學(xué)者對信息安全融合方法進(jìn)行研究,如朱超平等[3]利用聚類分析算法進(jìn)行信息的加權(quán)融合,該方法信息集難收斂,獲得的融合信息易出現(xiàn)局部最優(yōu)問題,聚類融合效果不好。陳彬等[4]依據(jù)配電網(wǎng)信息的時間和空間的特性,基于信息的關(guān)聯(lián)性利用時空網(wǎng)絡(luò)完成配電網(wǎng)多源信息的融合,該方法運用信息的特性進(jìn)行融合,對于信息特征模糊的信息融合具有局限性。張紅等[5]通過卷積神經(jīng)網(wǎng)絡(luò)的信息融合模型進(jìn)行融合,該方法需把信息集歸一化處理,不同規(guī)模的信息集無法在一起訓(xùn)練,具有局限性。

本文提出一種基于大數(shù)據(jù)直覺模糊集的信息安全融合方法,通過構(gòu)建數(shù)字規(guī)劃融合問題模型,利用調(diào)和平均數(shù)法融合信息,平均數(shù)算法利用全部的信息特征融合。實驗結(jié)果表明,該方法誤差平方和統(tǒng)計量小,與實際信息特征相近,推算過程簡單。

二、大數(shù)據(jù)直覺模糊集信息安全融合

1.多值直覺模糊集

對大數(shù)據(jù)直覺模糊集的信息,從不同的角度出發(fā),融合的方法也有所不同,例如,不同的人對一件事情的評價,評價結(jié)果也不相同,因此在大數(shù)據(jù)直覺模糊集的信息安全融合時,引入多值直覺模糊集。

設(shè)直覺模糊集的論域[6]Z上的多值直覺模糊集B公式表現(xiàn)為:

(1)

(2)

當(dāng)Z是離散空間的情況下,Z={z1,z2,…,zM},多值直覺模糊集為:

(3)

多值直覺模糊集B可用B=〈z,ηB,φB〉及B=〈z,ηB,φB〉/z表示,其中,ηB和φB是n維隸屬及非隸屬值。

在Z中的所有直覺模糊子集,第y個直覺模糊指數(shù)可用公式為:

(4)

2.信息安全融合

在多值直覺模糊集中,對其隸屬度和非隸屬度的信息進(jìn)行融合[9],將多值直覺模糊集B轉(zhuǎn)化成直覺模糊集A={〈z,ηA(z),φA(z)〉|z∈Z},結(jié)合調(diào)節(jié)平均數(shù)算法實現(xiàn)大數(shù)據(jù)直覺模糊集的信息安全融合。利用數(shù)字規(guī)劃方法,保證信息安全融合。

(1)數(shù)字融合規(guī)劃方法

當(dāng)Z是連續(xù)空間時,模型表示為:

(5)

s.t.0≤ηA(z)+φA(z)≤1

0≤ηA(z)≤1

0≤φA(z)≤1

z∈Z

(6)

基于概率論的原理,數(shù)學(xué)期望Q(α)表達(dá)式為:

(7)

在Z內(nèi)有y個隨機(jī)數(shù)z1,z2,…,zl,優(yōu)化融合模型轉(zhuǎn)變?yōu)?

(8)

s.t.0≤ηA(zj)+φA(zj)≤1

0≤ηA(zj)≤1

0≤φA(zj)≤1

(j=1,2…,Y)

(9)

通過以上公式(5)及(9)求解,獲取函數(shù)和的各參數(shù)ηA(z)和φA(z)的預(yù)估值。

(2)平均數(shù)信息融合算法

為解決直覺模糊集信息融合出現(xiàn)的問題,直覺模糊集融合前,需將多值直覺模糊集轉(zhuǎn)化為直覺模糊集,多值直覺模糊集轉(zhuǎn)化為直覺模糊集公式為:

(10)

(11)

信息融合算法是通過計算平均數(shù)的演變而來,表現(xiàn)為位置及變量對稱的區(qū)別。推算表達(dá)式為:

(12)

(13)

信息融合算法優(yōu)化通過優(yōu)化加權(quán)算法平均數(shù)完成[11],優(yōu)化后的算法表現(xiàn)為變量、權(quán)數(shù)、及推算位置對稱的區(qū)別。優(yōu)化公式表達(dá)為:

(14)

(15)

3.信息安全融合的遺傳算法求解

利用遺傳算法對融合規(guī)劃求解[12,13],在運用遺傳算法之前,考慮融合的變量過多,其取值范圍大,利用浮點數(shù)進(jìn)行編碼。

(1)適應(yīng)度函數(shù)

區(qū)分大數(shù)據(jù)直覺模糊集的信息安全融合用適應(yīng)度來衡量,信息安全融合的適應(yīng)度值越大,說明直覺模糊的信息融合得越安全。本文運用線性排序的適應(yīng)度函數(shù)[14],降序目標(biāo)函數(shù)值的排列,根據(jù)目標(biāo)函數(shù)在種群的位置G可求解適應(yīng)度值,適應(yīng)度函數(shù)公式為:

(16)

其中,G表示個體在種群序列中所處位置,Nind為種群個體數(shù)量。

(2)選擇算子

為加快遺傳算法的計算效率及其收斂性,操作輪盤賭選擇算子,所有個體投入到下一代的概率是信息融合安全的適應(yīng)度值和個體適應(yīng)度和的比值,信息融合安全適應(yīng)度和算子被選擇的概率成正比,適應(yīng)度值越大,進(jìn)入下一代的概率越大。

(3)交叉算子

(17)

(18)

其中,ε是[0,1]的任意數(shù)。

(4)變異算子處理

變異處理可以輔助新個體產(chǎn)生,該處理影響GA的部分搜尋性能,因此運用非均勻變異,隨機(jī)擾動原有的基因值,基因變異處理后的兩種選擇可表達(dá)為:

(19)

最優(yōu)保存是在信息安全融合適用度最高的個體未進(jìn)行交叉和變異操作,用適用度高的個體代替操作后出現(xiàn)適應(yīng)度低的個體。

三、實驗分析

以某地區(qū)電力企業(yè)為實驗對象,該企業(yè)占地面積50m2,年均發(fā)電量可達(dá)600萬度,該企業(yè)管理范圍內(nèi)配電網(wǎng)系統(tǒng)樣本信息集為6個,編號1-6。為驗證本文方法的信息安全融合效果,分別從電力項目評估信息融合、配電網(wǎng)高壓電線環(huán)境監(jiān)測信息融合、各系統(tǒng)節(jié)點電壓及其功率信息融合三個角度出發(fā),驗證本文方法信息融合優(yōu)勢。

以該企業(yè)新開展的電力項目為實驗對象,并將實驗樣本信息集標(biāo)記為1號,驗證本文方法融合效果。該企業(yè)篩選出4個備選項目方案,通過4位評估人員進(jìn)行項目評估,統(tǒng)計4位評估人員的評估結(jié)果,項目評估信息結(jié)果如表1所示。

表1 項目評估信息

將4位評估人評估結(jié)果通過多值直覺模糊集可描述為:

用本文方法進(jìn)行融合,融合結(jié)果表示為:

為測試大數(shù)據(jù)直覺模糊的信息安全融合的效率,以配電網(wǎng)監(jiān)測信息為實驗對象,實驗樣本信息集為3號,配電網(wǎng)的高壓電線環(huán)境監(jiān)測信息為樣本信息,利用傳感器每4s采集監(jiān)測信息,統(tǒng)計監(jiān)測目標(biāo)的信息量,統(tǒng)計結(jié)果如表2所示。

表2 監(jiān)測目標(biāo)信息量

把表2的信息分別用本文方法、文獻(xiàn)[4]和文獻(xiàn)[5]方法進(jìn)行融合,觀察融合的時間變化,3種融合方法融合時間變化如圖1所示。

圖1 3種融合方法融合時間變化圖

由圖1可知,在融合信息數(shù)量較少時,本文方法、文獻(xiàn)[4]和文獻(xiàn)[5]融合方法融合信息時間差距較小。隨著融合的信息數(shù)量不斷增加,文獻(xiàn)[4]和文獻(xiàn)[5]方法融合的耗費時間長,呈快速增長趨勢,融合效率降低。本文方法隨著測試信息的增加,融合時間保持在1min之內(nèi),融合時間不受融合信息的數(shù)量的影響。實驗結(jié)果表明,本文方法可應(yīng)用于大量信息的融合,且融合速度快,效率高。

為測試本文方法融合后信息的有效性,統(tǒng)計表2利用本文方法、文獻(xiàn)[4]和文獻(xiàn)[5]方法融合后的有效監(jiān)測信息的殘差率,殘差率統(tǒng)計結(jié)果如圖2所示。

圖2 3種融合方法殘差率變化圖

由圖2可知,隨著測試信息集的不斷增加,本文融合方法的信息殘差率均比文獻(xiàn)[4]和文獻(xiàn)[5]融合方法的殘差率低。本文融合方法信息殘差率在15%-30%區(qū)間緩慢增長,而文獻(xiàn)[4]和文獻(xiàn)[5]融合方法信息殘差率在20%-60%區(qū)間快速增長,隨著信息集的信息量增多,信息融合的比例降低,信息冗余度較高。實驗結(jié)果表明本文融合方法可以降低信息的冗余度,更接近實際的有效信息值,減少資源耗損。

以該配電網(wǎng)的生產(chǎn)管理、電力營銷、調(diào)度、用電信息、自動化及電網(wǎng)監(jiān)測系統(tǒng)的信息集為實驗對象,驗證本文方法信息融合各系統(tǒng)節(jié)點電壓及功率的效果,配電網(wǎng)6個系統(tǒng)信息來源如表3所示。

表3 配電網(wǎng)信息集

用本文方法進(jìn)行信息融合,為驗證本文方法融合的效果,統(tǒng)計各系統(tǒng)節(jié)點電壓及其功率信息融合后的信息,與原信息進(jìn)行對比,觀察融合后節(jié)點電壓和功率信息的誤差率,實驗結(jié)果如圖3所示。

圖3 融合后各系統(tǒng)電壓及功率信息的誤差率

由圖3可知,配電網(wǎng)管理系統(tǒng)的6個信息集用本文方法融合時,節(jié)點電壓信息融合誤差率保持在0.03%-0.04%之間,誤差較小且穩(wěn)定,節(jié)點功率誤差變化也是如此,未有較大的誤差率出現(xiàn)。實驗結(jié)果表明,本文融合方法融合誤差率0.03%-0.04%,誤差率小,且融合誤差率穩(wěn)定性,無較大的信息融合誤差值,為配電網(wǎng)的運行提供準(zhǔn)確的數(shù)據(jù)支撐。

在配電網(wǎng)系統(tǒng)中運用本文融合方法,將配電網(wǎng)生產(chǎn)管理、電力營銷、調(diào)度、用電及電網(wǎng)監(jiān)測等信息進(jìn)行融合,融合后的信息占比情況如圖4所示。

圖4 配電網(wǎng)信息融合占比圖

如圖4所示,配電網(wǎng)生產(chǎn)管理、電力營銷、調(diào)度、用電、自動化及電網(wǎng)監(jiān)測信息融合后占比分別為30%、3%、15%、2%、1%及49%,與實際配電網(wǎng)信息占比誤差為0,實驗結(jié)果表明本文方法融合的信息與實際信息情況一致,融合效果好,獲取準(zhǔn)確的配電網(wǎng)信息。

四、結(jié)論

本文研究大數(shù)據(jù)直覺模糊集的信息安全融合方法,基于直覺模糊集,以現(xiàn)有信息改動做到最小為安全融合目標(biāo),構(gòu)建安全融合問題優(yōu)化模型,將多值直覺模糊集隸屬度和非隸屬度的信息通過調(diào)節(jié)平均數(shù)信息融合方法進(jìn)行融合。利用遺傳算法求解優(yōu)化融合問題。實驗結(jié)果表明,調(diào)節(jié)平均數(shù)的信息融合方法不僅融合信息的效率高,融合后的信息接近實際的信息值,保障實際信息的安全,且融合穩(wěn)定性高,誤差率小。本實驗主要以配電網(wǎng)的信息為實驗對象,下一步應(yīng)對多種類型的行業(yè)信息展開實驗。